循环智能（Recurrent AI）的智能辅助系统基于原创的Transformer-XL、XLNet和盘古NLP大模型，可为企业提供实时ASR语音识别能力，NLP语义训练和识别能力。针对保险企业与客户进行沟通联络等场景，完整的坐席辅助解决方案包括优秀实践挖掘、实时沟通辅助和执行力监督组成的闭环，其中实时辅助系统可支持构建企业级实时语音识别、客户画像抽取、流程导航、知识点提示、推荐用语和实时合规质检等功能，为销售及客服坐席人员提供全方位支持。
中国保险行业：传统坐席业务水平提升慢，难以支持电网销业务需求，亟待智能技术改善业务表现
保险行业的网销模式正成为近几年的主要行业趋势。通过互联网渠道，保险公司可以为客户提供更为便捷的服务，而客户也逐渐适应了自主购买低价险、短期险等产品的操作模式。但对于高价值保险产品来说，虽然互联网平台同样可以提供用户自主购买的完整渠道，但因其条款和价格原因，仍无法避免销售人员与客户的沟通和引导等传统电销的交互。由此，“电网销”的融合成为了保险公司线上化销售的主流形态，而客户所接触的信息也愈发复杂，保险公司对人工坐席的业务水平要求则不减反增。
然而，大多保险公司的客服坐席存在人员流动大、培训时间短、培训效果不明显等痛点。以某互联网保险平台为例，上线的新人常因紧张、或对业务不熟悉无法应对客户的提问和质疑，导致线索流失。而新人不出业绩导致渡过试用期的人数过少的情况则进一步加剧人员流动的频繁的现象。保险坐席智能辅助应用案例解析：以循环智能为多家保险公司部署的智能辅助系统为例针对保险企业缺乏技术手段追踪人工坐席的表现，难以高效提升人工坐席的业务水平等需求，循环智能结合ASR语音识别平台+NLP语义训练平台+NLP语义识别平台三者的基础架构，为保险公司打造智能辅助解决方案，提供通过优秀沟通实践挖掘、实时坐席辅助、执行力监督三大核心步骤增强人工坐席的业务水平，为客户带来更好的消费体验。循环智能的智能辅助系统的底层平台由三大部分构成。基于企业原创的Transformer-XL、XLNet和盘古NLP大模型，底层平台可为企业提供ASR语音识别能力，NLP语义训练能力及NLP语义识别能力。上层应用包括优秀实践挖掘、坐席沟通辅助、执行力监督报表、实时沟通质检等模块组成。通过复用底层平台能力，企业可实现NLP在沟通场景的多项落地应用探索。
智能辅助解决方案架构保险公司针对销售及客服场景通常备有标准用语。但在落地实践中，企业所准备的标准用语往往无法直接满足多变的对话场景，鲜有业务员直接采用，从而导致部分项目难以落地。为积累优秀的沟通实践用语储备，循环智能打造了针对保险行业沟通场景的ASR（语音识别）模型，将行业内优秀人工坐席过往的海量沟通记录撰写为文本，并自动分离出录音中分别来自坐席和客户的语句内容；然后借助聚类算法从拆解的对话内容中寻找相似语义的句子；最后结合业务专家的经验与优秀坐席的实践形成更为有效的培训内容，提供给员工练习和使用。三、结合实时坐席辅助与执行力监督报表强化员工业务能力针对业务员与客户的沟通场景，循环智能为案例客户部署了实时坐席辅助，并结合执行力监督报表追踪并分析员工表现。
实时坐席辅助工具内置的实时语音转写功能基于循环智能原创的算法模型Transformer-XL和XLNet所打造。坐席辅助设有实时用语推荐和知识点推荐功能，当系统检测到客户在沟通中提出的顾虑点，系统将基于相应的语义标签提供最佳回复内容的参考。同时，该工具设有流程导航机制，企业可通过设置标准化作业流程（SOP），明确每个业务步骤的事项，引导销售或客服人员以正确步骤进行业务处理。此外，实时坐席辅助工具集成了实时质检系统。对于企业所规定的诸如过度承诺、敏感信息等禁止出现的内容，将以往由专门质检员人工听录音抽检的模式以实时反馈警告的模式告知业务员，从而有机会在后续沟通中弥补因违规带来的损失。
执行力监督报表
另一方面，执行力监督报表则会配合系统自动检测业务人员是否在沟通流程中采纳推荐用语，即便是员工使用了不同的语句来表达与推荐用语相同的意思也可准确识别。通过报表统计并分析每名一线员工对实时辅助系统的使用率、异议处理采纳情况，企业可结合客户满意度和成交量的对比，明确系统对员工业务的影响。同时，其分析结果可协助企业了解不同员工的短板，并提出针对性培训。应用效果
通过部署智能沟通辅助系统，作为案例客户的保险公司员工通过使用坐席辅助，并按照提示用语和推荐知识点进行交流，其客户满意度提升了35%，在对比测试中，同等级员工的成单转化率提升13%-25%。
